数据分析正确打开方式：数据驱动增长之四步进阶法
数据分析正确打开方式：数据驱动增长之四步进阶法数据基础建设不可忽视。数据基础是数据应用的底盘 如果底盘不稳，其上面的建筑根本无法搭建。从业务的角度上讲，数据分析从理念到落地主要分为四个阶段，分别是有数据、看数据、分析数据、应用数据。目标：构建用户数据分析平台，助力企业用户增长。对于公司来说每一笔的费用都是有预算且有限的，通过数据分析希望花出去的每一分钱都是能够看得见的效果，每一个进来平台的用户都能留下来，且长期活跃，而且能够反复为平台创造收益，付费转化的。
编辑导语：用户红利消失，获客成本也在逐步攀升，用户数据成为企业增长的新方向。如何用数据驱动增长，助力企业用户增长？作者总结了建设数据分析平台的意义以及如何用数据驱动增长的四步进阶法，一起来看看。
一、现状
背景：
- 用户红利消失，获客成本攀升
- 用户数据资产成为企业增长的新方向
- 企业与用户的交互终端日益多样化
问题：
随着公司的发展，用户量越来越大，每个月花出去营销的费用惊人，却无法准确的评估效果如何。结合网约车案例列举出大概以下问题：
- 用户注册来了平台为什么不下单？下单转化率低。
- 消息推送效率极低，无法精准推送，消息应该发送给谁，ws目前的推送往往是全部推送或者分城市、部分手机号推送消息，采用这种推送方式的弊端是不确定用户是否对消息感兴趣点击阅读消息，不知道有多少用户点击消息了，又有多少用户通过消息推送参与了后续的动作，对用户一连串的操作行为无法追踪，从而判断消息推送的效果如何。
- 对用户的价值、偏好、属性、打车习惯、历史打车痕迹、消费频次等一无所知，更谈不上对用户做用户画像、用户分层、用户会员等级、用户分类、数字化营销。
- 平台用户量虽大，但用户活跃度极低，沉默用户量巨大。
- 用户参加活动，中途跳出应用不玩了，司机注册账号后不完善资料等种种环节跳出率非常高。
- 在活动策划的过程中很难界定要发放多大面值的优惠券，应该发给哪些群体的用户。
目标：
构建用户数据分析平台，助力企业用户增长。
二、建设数据分析平台的意义对于公司来说每一笔的费用都是有预算且有限的，通过数据分析希望花出去的每一分钱都是能够看得见的效果，每一个进来平台的用户都能留下来，且长期活跃，而且能够反复为平台创造收益，付费转化的。
三、构建数据驱动四步进阶法从业务的角度上讲，数据分析从理念到落地主要分为四个阶段，分别是有数据、看数据、分析数据、应用数据。
- 有数据：企业数据的多寡、类型等与它可实现的价值存在巨大的弹性发挥空间 需要结合业务实际情况综合考量。
- 看数据：所谓会看数据 是可以看出数据与业务的关联 并为释放价值铺路。
- 分析数据：企业通过分析数据来定位问题点机会点 并在该过程中找到解决方案的启示和方向。
- 应用数据：该阶段的数据分析与业务紧密结合 如个性化推荐、精准营销、产品迭代等。
1. 有数据：要什么数据？怎么采集数据?
数据基础建设不可忽视。数据基础是数据应用的底盘 如果底盘不稳，其上面的建筑根本无法搭建。
（1）采集的数据类型及优先级
不同量级以及类型的数据所蕴含的价值释放空间千差万别，企业需要结合实际业务需求评估数据采集的优先级与内在逻辑。
结合用户行为分析的逻辑，在第一步会聚焦d -Mapping-的打通；第二步进行端内的通用数据和主流程数据采集，收集核心关联的用户数据；第三步采集细粒度及更丰富维度的业务数据，最终使行为数据、业务数据、用户数据形成一个可运转的机制，扩大数据本身的协同效应，如下图，为不同类型数据的价值划分。
2. 看数据：看什么？怎么看?
本质上，看数据可以拆分为两个关键问题：第一，看什么数据？第二，怎么看数据?
看什么数据?
整体上，企业可从上到下折分为目标KPI、业务场景、指标体系三个维度看数据。
（1）目标kPI
目标KPI，一般由企业本身的业务模式与业务发展阶段决定 有的企业称之为第一关键指标或北极星指标，大部分企业的目标KPI是一个综合性的数据，如DAU，其可拆解成新客户拉新、老客户活跃、流失用户回流等。
通常情况下，企业的目标KPI可定为：累计客户数、活跃客户数、交易客户数、交易订单量、交易总额、留存率、复购率。
（2）业务场景
企业达成目标KPI的过程中，需要将其细分为不同业务场景完成。本质上，各个业务场景均具备其运作的业务流与相关影响因子。
通常情况下，企业的业务场景可划分为：推广拉新、产品体验、资源位运营、内容运营、客户运营、活动运营、商户运营等。
（3）指标体系
业务场景进一步可细分为可评估的指标体系。这些细粒度的数据可以辅助企业明确成败的深层次影响因素，并指导优化下一步的动作。
在从业务场景拆到指标体系的过程中，企业需要按照新的业务模式，使其与产品、运营、市场等实际业务及发展阶段建立强相关的业务逻辑。
需要注意的是，不管是哪一种维度下的指标，由于指标应用时涉及到多部门，为了提高指标体系的普适性以及避免歧义，在梳理指标体系之初 指标口径或者定义需要明确清楚。
怎么看数据?
（1）看数据的5大角度
与常见的汇报数据不同，看数据需要多维深入全面的看，可从量级、趋势、异常、结构、细分五个维度综合分析，具体如下:
其一，看量级 即数据的多寡；
其二看趋势，即通过数据的升降，判断企业业务健康度走向；
其三看异常，即看数据骤然的升降，定位机会点或问题点；
其四看结构，即了解数据的组成、组成占比、优先级等；
其五看细分，即通过细分维度的数据，结合产品的具体形态，推敲数据背后可能存在的具体含义，如查看A中安卓和iOS操作系统的占比，分析用户的特征或偏好，若使用华为手机系统多，则商务人士用户占比高，若使用OPPO、vvO系列手机多，则娱乐发烧友用户占比高等。
（2）评估数据体系的四个维度
其一，看企业的源数据结构如何，是否具备一个合理、有结构、有秩序的源数据体系，以及源数据管理是否在持续更新代;
其二，概览体系建设如何，是否已建成一个相对有逻辑体系的概览，该概览是否能帮助企业看大盘数据和看实时数据；
其三，各业务线的数据看板建设如何，如产品、运营、市场各个不同的职能线是否有相应的数据看板，甚至不同业务线的子团队，有无对应看板;
其四，数据权限的体系建设如何，权限划分是否明确、科学和安全等。
3. 分析数据：为什么？怎么做？
分析数据的目的与终点都是业务，因此数据和分析能力只是分析数据的一个小环，而对业务的理解与判断能力对分析价值的贡献和影响占比更多从分析者能力与业务结合的角度来说，第一阶的数据分析师可以明确分析出问题的原因；第二阶的数据分析师可以提出一些针对性的可行建议；第三阶的数据分析师可将优化建议抽象为一个常规运作机制，并使该机制自动化与流程化。
